// Первый пример кластеризации.
//
// В этом примере:
// 1) загружаем готовый датасет городов России;
// 2) выбираем признаки для кластеризации;
// 3) обучаем алгоритм KMeans;
// 4) получаем номер кластера для каждого города;
// 5) выводим несколько представителей каждого кластера.
//
// Важно:
// здесь кластеры отражают прежде всего географическую близость городов,
// потому что для кластеризации используются только широта и долгота.
// Население нужно только для выбора самых заметных представителей кластера.
//
// При числе кластеров k = 4 результат можно интерпретировать так:
// • один кластер обычно соответствует Европейской части России;
// • один - Уралу, Поволжью и соседним территориям;
// • один - Сибири;
// • один - Дальнему Востоку и северо-востоку.
uses MLABC;

begin
  // Загружаем учебный датасет с городами России
  var ds := Datasets.RussianCities;

  // Берём таблицу данных из датасета
  var df := ds.Data;

  // Для первого примера используем только координаты города
  var features := ['lat', 'lon'];

  // Преобразуем выбранные признаки в числовую матрицу
  var X := df.ToMatrix(features);

  // Создаём модель KMeans и просим разбить города на 4 группы.
  // Для первого примера этого достаточно, чтобы увидеть общую структуру данных.
  var model := new KMeans(4, seed := 42);

  // Обучаем модель на всех объектах
  model.Fit(X);

  // Получаем номер кластера для каждого города
  var labels := model.PredictLabels(X);
  
  // Получаем названия городов
  var cities := df.GetStrColumn('city');
  
  // Получаем численность населения городов
  var populations := df.GetFloatColumn('population');

  // Выводим, сколько кластеров нашёл алгоритм
  Println($'Число кластеров: {model.ClustersCount}');

  Println;
  Println('Примеры городов в каждом кластере (в скобках - тыс. жителей):');

  // Для каждого кластера выводим три самых крупных города
  for var cluster := 0 to model.ClustersCount - 1 do
  begin
    Println;
    Println($'Кластер {cluster + 1}:');
    
    var clusterIndices := new List<integer>;
    
    for var i := 0 to labels.Length - 1 do
      if labels[i] = cluster then
        clusterIndices.Add(i);
    
    clusterIndices := clusterIndices
      .OrderByDescending(i -> populations[i])
      .ToList;
    
    var shown := 0;
    
    foreach var i in clusterIndices do
    begin
      Println($'  {cities[i]} ({populations[i]:F0})');
      shown += 1;
      
      if shown = 4 then
        break;
    end;
  end;
end.